Nothing Special   »   [go: up one dir, main page]

CN113835063A - 一种无人机阵列幅相误差与信号doa联合估计方法 - Google Patents

一种无人机阵列幅相误差与信号doa联合估计方法 Download PDF

Info

Publication number
CN113835063A
CN113835063A CN202111398473.8A CN202111398473A CN113835063A CN 113835063 A CN113835063 A CN 113835063A CN 202111398473 A CN202111398473 A CN 202111398473A CN 113835063 A CN113835063 A CN 113835063A
Authority
CN
China
Prior art keywords
unmanned aerial
array
amplitude
aerial vehicle
signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202111398473.8A
Other languages
English (en)
Other versions
CN113835063B (zh
Inventor
李建峰
张淇婷
晋本周
张小飞
吴启晖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202111398473.8A priority Critical patent/CN113835063B/zh
Publication of CN113835063A publication Critical patent/CN113835063A/zh
Application granted granted Critical
Publication of CN113835063B publication Critical patent/CN113835063B/zh
Priority to US17/882,636 priority patent/US11681006B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
    • G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
    • G01S3/14—Systems for determining direction or deviation from predetermined direction
    • G01S3/143—Systems for determining direction or deviation from predetermined direction by vectorial combination of signals derived from differently oriented antennae
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
    • G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
    • G01S3/023—Monitoring or calibrating
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
    • G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
    • G01S3/74—Multi-channel systems specially adapted for direction-finding, i.e. having a single antenna system capable of giving simultaneous indications of the directions of different signals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
    • G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
    • G01S3/14—Systems for determining direction or deviation from predetermined direction
    • G01S3/46—Systems for determining direction or deviation from predetermined direction using antennas spaced apart and measuring phase or time difference between signals therefrom, i.e. path-difference systems

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Variable-Direction Aerials And Aerial Arrays (AREA)

Abstract

本发明公开了一种无人机阵列幅相误差与信号DOA联合估计方法，包括：在每架无人机上搭载单个天线阵元，多架无人机组成的无人机群构成接收阵列以接收信源信号；在观测基线不变的情况下，通过无人机运动使阵列结构发生改变，每次阵列结构变化后对信源信号进行再次采集，得到多个信源信号；针对每个采集到的信源信号，计算其协方差矩阵，通过特征值分解得到相应的噪声子空间；通过噪声子空间和方向向量重构二次优化问题，构造代价函数，通过谱峰搜索得到幅相误差和DOA联合估计。本发明能够实现DOA和阵列幅相误差联合估计，校正幅相误差，提高无源定位的精准性。

Description

一种无人机阵列幅相误差与信号DOA联合估计方法
技术领域
本发明涉及阵列信号处理技术领域，具体而言涉及一种基于无人机群体阵列的波达方向（Direction of Arrival, DOA）和幅相误差联合估计方法。
背景技术
阵列信号处理作为现代信号处理的一个重要分支，是近几十年来发展十分迅速的一个技术领域，在雷达、声呐、无线通讯等军事及民用领域得到广泛的应用。波达方向估计是阵列信号处理技术的关键技术之一，其主要目的是对空间信源位置进行估计。DOA估计技术发展迅速，相关的理论和技术仍处于不断完善之中。
阵列误差的普遍存在是空间谱估计技术应用到实际工程中困难的一个重要原因。一般情况下，几乎所有的DOA估计算法都是建立在精确已知阵列流型的前提上，为了得到良好的算法估计效果，必须保证实际使用的阵列和理论研究中的标准阵列模型完全一致。但在实际应用中无论器件自身的因素还是实际环境因素都可能导致阵列出现误差。当使用理想的阵列流型进行实际的DOA估计时，就不可避免地得到误差较大的测向结果，或者测向结果根本就是无效的。大多数阵列误差的影响最终都能归结为阵列幅相误差。因此，研究阵列幅相误差存在条件下的DOA估计算法，对于空间谱估计技术的实用化具有重要意义。
发明内容
本发明针对现有技术中的不足，提供一种无人机阵列幅相误差与信号DOA联合估计方法，基于无人机群实现阵列位置变化，能够实现DOA和阵列幅相误差联合估计，校正幅相误差，提高无源定位的精准性。
为实现上述目的，本发明采用以下技术方案：
一种无人机阵列幅相误差与信号DOA联合估计方法，所述方法包括以下步骤：
S1，在每架无人机上搭载单个天线阵元，多架无人机组成的无人机群构成接收阵列以接收信源信号；
S2，在观测基线不变的情况下，通过无人机运动使阵列结构发生改变，每次阵列结构变化后对信源信号进行再次采集，得到多个信源信号；
S3，针对每个采集到的信源信号，计算其协方差矩阵，通过特征值分解得到相应的噪声子空间；
S4，通过噪声子空间和方向向量重构二次优化问题，构造代价函数，通过谱峰搜索得到幅相误差和DOA联合估计。
为优化上述技术方案，采取的具体措施还包括：
进一步地，步骤S1中，在每架无人机上搭载单个天线阵元，多架无人机组成的无人机群构成接收阵列以接收信源信号的过程包括以下步骤：
S11，使M架无人机均匀排列，每架无人机上搭载一个天线阵元，阵元间距为单位 间隔
Figure 942283DEST_PATH_IMAGE001
，
Figure 534064DEST_PATH_IMAGE002
表示波长；M为大于2的正整数；
S12，假设有K个平行的平面波从
Figure 715646DEST_PATH_IMAGE003
方向入射，
Figure 170898DEST_PATH_IMAGE004
，K为大于2的正整 数，当阵列幅相误差存在时，初始状态下的阵列接收信号表示为：
Figure 133038DEST_PATH_IMAGE005
其中，
Figure 699149DEST_PATH_IMAGE006
为幅相误差对角矩阵，
Figure 735238DEST_PATH_IMAGE007
表示由向量
Figure 423708DEST_PATH_IMAGE008
中的元素构成的对角矩阵；
Figure 545248DEST_PATH_IMAGE009
为信号向量，
Figure 915049DEST_PATH_IMAGE010
为加性高斯白噪声，
Figure 133541DEST_PATH_IMAGE011
代表方向矩阵，
Figure 930596DEST_PATH_IMAGE012
代表
Figure 539432DEST_PATH_IMAGE013
方向上的方向向量，表示为：
Figure 11127DEST_PATH_IMAGE014
式中，
Figure 21808DEST_PATH_IMAGE015
表示初始状态下M架无人机各自的位置信息。
进一步地，步骤S3中，针对每个采集到的信源信号，计算其协方差矩阵，通过特征值分解得到相应的噪声子空间的过程包括以下步骤：
S21，在基线不变的情况下，通过无人机的运动，使相应的阵元位置发生改变以构成新的阵列，对于每个新构成的阵列，采集相应的信源信号；
S22，对于第i个采集的信源信号
Figure 989764DEST_PATH_IMAGE016
，根据下述公式计算其协方差矩阵：
Figure 148213DEST_PATH_IMAGE017
式中，L表示数据的快拍数；
Figure 859817DEST_PATH_IMAGE018
表示期望；
Figure 990584DEST_PATH_IMAGE019
表示共轭转置操作；
Figure 129441DEST_PATH_IMAGE020
表示第l 个快拍；
S23，对
Figure 509607DEST_PATH_IMAGE021
进行特征分解对协方差矩阵进行特征值分解，表示为：
Figure 24902DEST_PATH_IMAGE022
其中，
Figure 10175DEST_PATH_IMAGE023
表示一个
Figure 382251DEST_PATH_IMAGE024
维的对角阵，它的对角元素由特征值分解所得的较大 的K个特征值构成，
Figure 187396DEST_PATH_IMAGE025
是由M-K个较小的特征值构成的对角阵；
Figure 240803DEST_PATH_IMAGE026
是由K个较大特征值 对应的特征向量所构成的矩阵，
Figure 644364DEST_PATH_IMAGE027
则是由其他特征值对应的特征向量构成的矩阵；
Figure 125024DEST_PATH_IMAGE028
和
Figure 683044DEST_PATH_IMAGE029
分别被称为信号子空间和噪声子空间；i=1,2,…,p，p是总观测次数。
进一步地，步骤S4中，通过噪声子空间和方向向量重构二次优化问题，构造代价函数，通过谱峰搜索得到幅相误差和DOA联合估计的过程包括以下步骤：
S41，构建二次优化问题：
Figure 336880DEST_PATH_IMAGE030
其中，
Figure 296745DEST_PATH_IMAGE031
为幅相误差，
Figure 948307DEST_PATH_IMAGE032
，
Figure 728044DEST_PATH_IMAGE033
表示转置操作，
Figure 185570DEST_PATH_IMAGE034
表示待估计DOA参量；
Figure 999942DEST_PATH_IMAGE035
式中，
Figure 822405DEST_PATH_IMAGE036
代表第i次观测的导向矢量，
Figure 151755DEST_PATH_IMAGE037
表示由向量
Figure 350655DEST_PATH_IMAGE036
中 的元素构成的对角矩阵，i=1,2,…,p；
S42，构造代价函数：
Figure 19534DEST_PATH_IMAGE038
式中，
Figure 576679DEST_PATH_IMAGE039
为一常数；
S43，对
Figure 331009DEST_PATH_IMAGE040
求偏导：
Figure 333600DEST_PATH_IMAGE041
其中，
Figure 856985DEST_PATH_IMAGE042
，
Figure 83567DEST_PATH_IMAGE043
是一个常数；
S44，获得角度与幅相误差的估计值：
Figure 325193DEST_PATH_IMAGE044
；
S45，将
Figure 865895DEST_PATH_IMAGE045
的表达式代入
Figure 306104DEST_PATH_IMAGE046
，计算得到DOA的估计值：
Figure 906850DEST_PATH_IMAGE047
。
进一步地，所述方法还包括以下步骤：
采用均方根误差作为性能估计指标对估计结果的有效性进行评估；根据下述公式计算得到相应的均方根误差：
Figure 370192DEST_PATH_IMAGE048
Figure 776902DEST_PATH_IMAGE049
其中，N表示蒙特卡洛仿真次数，
Figure 9301DEST_PATH_IMAGE050
表示第k个信号真实的入射角，
Figure 780948DEST_PATH_IMAGE051
表示第k个 信号在第n次仿真实验中的角度估计值，
Figure 295368DEST_PATH_IMAGE052
表示第m个幅相误差系数的真实值，
Figure 177873DEST_PATH_IMAGE053
表示第 m个幅相误差系数在第n次仿真实验中的估计值。
本发明的有益效果是：
与现有技术相比，本发明突破了现有技术中DOA估计对幅相误差的局限，能够获得精确的角度估计值，具有更准确的定位性能；在幅相误差存在的情况下，本发明无需辅助校准信源、无需辅助校准阵元、无需迭代求解就可以估计出幅相误差的值并进行校正，能获得高分辨率估计。
附图说明
图1是本发明的无人机阵列幅相误差与信号DOA联合估计方法流程图。
图2是本发明的无人机群构成的接收阵列场景图。
图3是未校正幅相误差与使用本发明方法校正后的谱峰比较图。
图4是本发明在不同信噪比下的DOA估计性能比较图。
图5是本发明在不同信噪比下的幅相误差实部与虚部估计性能比较图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
需要注意的是，发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
为了便于描述，本实施例中的符号表示含义如下：
Figure 530357DEST_PATH_IMAGE054
表示期望，
Figure 472905DEST_PATH_IMAGE055
表示共轭 转置操作，
Figure 973157DEST_PATH_IMAGE056
表示转置操作，
Figure 659353DEST_PATH_IMAGE057
表示由向量
Figure 866343DEST_PATH_IMAGE058
中的元素构成的对角矩阵。
图1是本发明的无人机阵列幅相误差与信号DOA联合估计方法流程图。该方法用多架无人机作为平台搭载阵元，多个阵元构成一个阵列接收信号。该方法包括以下步骤：
S1，在每架无人机上搭载单个天线阵元，多架无人机组成的无人机群构成接收阵列以接收信源信号。
S2，在观测基线不变的情况下，通过无人机运动使阵列结构发生改变，每次阵列结构变化后对信源信号进行再次采集，得到多个信源信号。
S3，针对每个采集到的信源信号，计算其协方差矩阵，通过特征值分解得到相应的噪声子空间。
S4，通过噪声子空间和方向向量重构二次优化问题，构造代价函数，通过谱峰搜索得到幅相误差和DOA联合估计。
具体实现如下：
步骤1：信号接收
Figure 42110DEST_PATH_IMAGE059
架无人机均匀排列，每架无人机上搭载一个天线阵元，阵元间距为单位间隔
Figure 967341DEST_PATH_IMAGE060
，
Figure 191648DEST_PATH_IMAGE061
表示波长。假设有K个平行的平面波从
Figure 581042DEST_PATH_IMAGE062
处入射，当阵 列幅相误差存在时，阵列接收信号可以表示为：
Figure 599813DEST_PATH_IMAGE063
其中
Figure 12340DEST_PATH_IMAGE064
为幅相误差对角矩阵，
Figure 40339DEST_PATH_IMAGE065
为信号向量，
Figure 785703DEST_PATH_IMAGE066
为加性高斯白噪声，
Figure 240955DEST_PATH_IMAGE067
代表方向矩阵，
Figure 875199DEST_PATH_IMAGE068
代表
Figure 503626DEST_PATH_IMAGE069
方向上的方向向 量，表示为：
Figure 805295DEST_PATH_IMAGE014
式中，
Figure 431448DEST_PATH_IMAGE070
表示此时的无人机位置。
根据数据模型可以得到接收信号信息，计算协方差矩阵：
Figure 552988DEST_PATH_IMAGE071
式中，L表示数据的快拍数。对
Figure 985106DEST_PATH_IMAGE072
进行特征分解对协方差矩阵进行特征值分解，可 以表示为：
Figure 141281DEST_PATH_IMAGE073
其中，
Figure 938336DEST_PATH_IMAGE074
表示一个
Figure 609489DEST_PATH_IMAGE075
维的对角阵，它的对角元素由特征值分解所得的较大 的K个特征值构成，
Figure 517402DEST_PATH_IMAGE076
是由M-K个较小的特征值构成的对角阵。
Figure 528083DEST_PATH_IMAGE077
是由K个较大特征值 对应的特征向量所构成的矩阵，
Figure 48102DEST_PATH_IMAGE078
则是由其他特征值对应的特征向量构成的矩阵。
Figure 144234DEST_PATH_IMAGE077
和
Figure 855838DEST_PATH_IMAGE079
分别被称为信号子空间和噪声子空间。
步骤2：获得多个噪声子空间
在基线不变的情况下(即信号入射角不变)，通过无人机的运动，相应的阵元位置 发生改变，构成了一个新的阵列。此时再次接收信号并进行同样的处理，可以得到噪声子空 间
Figure 721026DEST_PATH_IMAGE080
。继续运动，形成新的阵列，得到第p次的噪声子空间
Figure 922200DEST_PATH_IMAGE081
，假设共观测了P次。
步骤3：DOA与幅相误差联合估计
存在幅相误差时，MUSIC函数变为：
Figure 505628DEST_PATH_IMAGE082
其中
Figure 20923DEST_PATH_IMAGE083
为幅相误差。
令
Figure 802934DEST_PATH_IMAGE084
，构建二次优化问 题：
Figure 112693DEST_PATH_IMAGE085
其中
Figure 183417DEST_PATH_IMAGE086
。构造代价函数：
Figure 299141DEST_PATH_IMAGE087
。
对
Figure 138921DEST_PATH_IMAGE088
求偏导：
Figure 619581DEST_PATH_IMAGE089
，
Figure 741383DEST_PATH_IMAGE090
，其中
Figure 332901DEST_PATH_IMAGE091
是一个常数。由于
Figure 27188DEST_PATH_IMAGE092
，可得
Figure 6645DEST_PATH_IMAGE093
。因此，我们可以获得c的 估计值：
Figure 786382DEST_PATH_IMAGE094
将
Figure 181591DEST_PATH_IMAGE095
的表达式代入
Figure 995964DEST_PATH_IMAGE096
，DOA的估计值可以表示为：
Figure 880743DEST_PATH_IMAGE097
。
为验证本发明所述算法的有效性，下面通过MATLAB仿真分析进行证明，性能估计指标为均方根误差（root mean square error, RMSE），定义为：
Figure 147776DEST_PATH_IMAGE098
Figure 346676DEST_PATH_IMAGE099
其中N表示蒙特卡洛仿真次数，
Figure 77872DEST_PATH_IMAGE100
表示第k个信号真实的入射角，
Figure 71236DEST_PATH_IMAGE101
表示第k个 信号在第n次仿真实验中的角度估计值，
Figure 825565DEST_PATH_IMAGE102
表示第m个幅相误差系数的真实值，
Figure 188676DEST_PATH_IMAGE103
表示 第m个幅相误差系数在第n次仿真实验中的估计值。
如图2所示为本发明的场景图，仿真中选取的无人机数目为M=6，P=2，
Figure 712061DEST_PATH_IMAGE104
，
Figure 141905DEST_PATH_IMAGE105
，
Figure 445848DEST_PATH_IMAGE106
表示波长。
如图3所示为幅相误差在利用本发明方法校正前后的谱峰对比图。仿真中假设信噪比SNR设置为20dB，快拍数设置为J=500。从谱峰图可以看出幅相误差会影响空间谱谱峰的位置和幅度大小。当幅相误差存在时MUSIC算法估计性能将下降，如果误差较大甚至会导致算法失效。
图4为本发明方法与未校正方法在不同信噪比下的DOA估计性能比较图。从仿真结果可以看出，本发明方法具有很高的估计精度，并且可以通过适当提高信噪比的方法来提高本发明所述的基于无人机群体阵列的联合幅相误差与信号DOA估计方法的估计精度。
图5为本发明方法在不同信噪比下的幅相误差估计性能图。从仿真结果可以看出本发明方法可以准确地估计出实部与虚部。
本发明公开了一种基于无人机群体阵列的联合幅相误差与信号DOA估计方法，属于阵列信号处理技术领域。本发明通过每架无人机搭载单个天线阵元，由多架无人机组成的无人机群构成了接收阵列，通过无人机群内个体位置的改变，对应阵元位置也会发生变化，由此变换阵列结构。对多次阵列接收到的信号计算协方差矩阵进行特征值分解，得到多个信号噪声子空间。通过噪声子空间和方向向量重构二次优化问题，构造代价函数，最后通过谱峰搜索确定DOA，并同时获得幅相误差估计。本发明突破了传统的无人机群协同感知中DOA估计精度受限于无人机间幅相误差的藩篱，且无需辅助信源和阵元，也无需迭代求解，可以获得高精度的DOA和幅相误差联合估计，具有重要的应用价值。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (5)

1.一种无人机阵列幅相误差与信号DOA联合估计方法，其特征在于，所述方法包括以下步骤：
S1，在每架无人机上搭载单个天线阵元，多架无人机组成的无人机群构成接收阵列以接收信源信号；
S2，在观测基线不变的情况下，通过无人机运动使阵列结构发生改变，每次阵列结构变化后对信源信号进行再次采集，得到多个信源信号；
S3，针对每个采集到的信源信号，计算其协方差矩阵，通过特征值分解得到相应的噪声子空间；
S4，通过噪声子空间和方向向量重构二次优化问题，构造代价函数，通过谱峰搜索得到幅相误差和DOA联合估计。
2.根据权利要求1所述的无人机阵列幅相误差与信号DOA联合估计方法，其特征在于，步骤S1中，在每架无人机上搭载单个天线阵元，多架无人机组成的无人机群构成接收阵列以接收信源信号的过程包括以下步骤：
S11，使 M架无人机均匀排列，每架无人机上搭载一个天线阵元，阵元间距为单位间隔
Figure 546559DEST_PATH_IMAGE001
，
Figure 967176DEST_PATH_IMAGE002
表示波长；M为大于2的正整数；
S12，假设有K个平行的平面波从
Figure 502063DEST_PATH_IMAGE003
方向入射，
Figure 349933DEST_PATH_IMAGE004
，K为大于2的正整数， 当阵列幅相误差存在时，初始状态下的阵列接收信号表示为：
Figure 275164DEST_PATH_IMAGE005
其中，
Figure 831564DEST_PATH_IMAGE006
为幅相误差对角矩阵，
Figure 158640DEST_PATH_IMAGE007
表示 由向量
Figure 442991DEST_PATH_IMAGE008
中的元素构成的对角矩阵；
Figure 917835DEST_PATH_IMAGE009
为信号向量，
Figure 680254DEST_PATH_IMAGE010
为 加性高斯白噪声，
Figure 861837DEST_PATH_IMAGE011
代表方向矩阵，
Figure 317089DEST_PATH_IMAGE012
代表
Figure 29961DEST_PATH_IMAGE013
方向 上的方向向量，表示为：
Figure 596072DEST_PATH_IMAGE014
式中，
Figure 632161DEST_PATH_IMAGE015
表示初始状态下M架无人机各自的位置信息。
3.根据权利要求2所述的无人机阵列幅相误差与信号DOA联合估计方法，其特征在于，步骤S3中，针对每个采集到的信源信号，计算其协方差矩阵，通过特征值分解得到相应的噪声子空间的过程包括以下步骤：
S21，在基线不变的情况下，通过无人机的运动，使相应的阵元位置发生改变以构成新的阵列，对于每个新构成的阵列，采集相应的信源信号；
S22，对于第i个采集的信源信号
Figure 320631DEST_PATH_IMAGE016
，根据下述公式计算其协方差矩阵：
Figure 707750DEST_PATH_IMAGE017
式中，L表示数据的快拍数；
Figure 811972DEST_PATH_IMAGE018
表示期望；
Figure 279732DEST_PATH_IMAGE019
表示共轭转置操作；
Figure 76786DEST_PATH_IMAGE020
表示第l个快 拍；
S23，对
Figure 685622DEST_PATH_IMAGE021
进行特征分解对协方差矩阵进行特征值分解，表示为：
Figure 859115DEST_PATH_IMAGE022
其中，
Figure 932113DEST_PATH_IMAGE023
表示一个
Figure 900069DEST_PATH_IMAGE024
维的对角阵，它的对角元素由特征值分解所得的较大的K 个特征值构成，
Figure 996201DEST_PATH_IMAGE025
是由M-K个较小的特征值构成的对角阵；
Figure 255275DEST_PATH_IMAGE026
是由K个较大特征值对应 的特征向量所构成的矩阵，
Figure 386042DEST_PATH_IMAGE027
则是由其他特征值对应的特征向量构成的矩阵；
Figure 524899DEST_PATH_IMAGE026
和
Figure 108327DEST_PATH_IMAGE027
分别被称为信号子空间和噪声子空间； i=1,2,…,p，p是总观测次数。
4.根据权利要求3所述的无人机阵列幅相误差与信号DOA联合估计方法，其特征在于，步骤S4中，通过噪声子空间和方向向量重构二次优化问题，构造代价函数，通过谱峰搜索得到幅相误差和DOA联合估计的过程包括以下步骤：
S41，构建二次优化问题：
Figure 420360DEST_PATH_IMAGE028
其中，
Figure 405634DEST_PATH_IMAGE029
为幅相误差，
Figure 715392DEST_PATH_IMAGE030
，
Figure 786116DEST_PATH_IMAGE031
表示转置操作，
Figure 154037DEST_PATH_IMAGE032
表 示待估计DOA参量；
Figure 993817DEST_PATH_IMAGE033
式中，
Figure 474477DEST_PATH_IMAGE034
代表第i次观测的导向矢量，
Figure 829235DEST_PATH_IMAGE035
表示由向量
Figure 686333DEST_PATH_IMAGE034
中的元 素构成的对角矩阵，i=1,2,…,p；
S42，构造代价函数：
Figure 380619DEST_PATH_IMAGE036
式中，
Figure 845230DEST_PATH_IMAGE037
为一常数；
S43，对
Figure DEST_PATH_IMAGE038
求偏导：
Figure 952863DEST_PATH_IMAGE039
其中，
Figure DEST_PATH_IMAGE040
，
Figure 348072DEST_PATH_IMAGE041
是一个常数；
S44，获得角度与幅相误差的估计值：
Figure DEST_PATH_IMAGE042
；
S45，将
Figure 208450DEST_PATH_IMAGE043
的表达式代入
Figure DEST_PATH_IMAGE044
，计算得到DOA的估计值：
Figure 358808DEST_PATH_IMAGE045
。
5.根据权利要求1所述的无人机阵列幅相误差与信号DOA联合估计方法，其特征在于，所述方法还包括以下步骤：
采用均方根误差作为性能估计指标对估计结果的有效性进行评估；根据下述公式计算得到相应的均方根误差：
Figure DEST_PATH_IMAGE046
Figure 625842DEST_PATH_IMAGE047
其中，N表示蒙特卡洛仿真次数，
Figure DEST_PATH_IMAGE048
表示第k个信号真实的入射角，
Figure 372212DEST_PATH_IMAGE049
表示第k个信 号在第n次仿真实验中的角度估计值，
Figure DEST_PATH_IMAGE050
表示第m个幅相误差系数的真实值，
Figure 103408DEST_PATH_IMAGE051
表示第m 个幅相误差系数在第n次仿真实验中的估计值。
CN202111398473.8A 2021-11-24 2021-11-24 一种无人机阵列幅相误差与信号doa联合估计方法 Active CN113835063B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111398473.8A CN113835063B (zh) 2021-11-24 2021-11-24 一种无人机阵列幅相误差与信号doa联合估计方法
US17/882,636 US11681006B2 (en) 2021-11-24 2022-08-08 Method for jointly estimating gain-phase error and direction of arrival (DOA) based on unmanned aerial vehicle (UAV) array

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111398473.8A CN113835063B (zh) 2021-11-24 2021-11-24 一种无人机阵列幅相误差与信号doa联合估计方法

Publications (2)

Publication Number Publication Date
CN113835063A true CN113835063A (zh) 2021-12-24
CN113835063B CN113835063B (zh) 2022-02-15

Family

ID=78971677

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111398473.8A Active CN113835063B (zh) 2021-11-24 2021-11-24 一种无人机阵列幅相误差与信号doa联合估计方法

Country Status (2)

Country Link
US (1) US11681006B2 (zh)
CN (1) CN113835063B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115015832A (zh) * 2022-05-10 2022-09-06 哈尔滨工程大学 一种非均匀噪声下大规模阵列幅相误差及目标方位联合估计方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116879835B (zh) * 2023-07-25 2024-06-25 安徽大学 一种投影最小最大凹函数波达方向估计方法和装置
CN117075035B (zh) * 2023-08-15 2024-04-30 湖南红船科技有限公司 自旋短基线高精度测向方法、系统、设备、介质及终端
CN117991179B (zh) * 2024-04-03 2024-07-09 深圳大学 一种基于导向矢量矩阵重构的波达方向估计方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104749554A (zh) * 2015-03-20 2015-07-01 江苏大学 一种基于递归秩损的幅相误差校准和波达方向估计方法
CN107064892A (zh) * 2016-11-11 2017-08-18 长江大学 基于张量子空间和旋转不变的mimo雷达角度估计算法
CN108375752A (zh) * 2018-02-05 2018-08-07 中国人民解放军战略支援部队信息工程大学 基于全角度搜索的幅相误差单辐射源测向方法
CN111965595A (zh) * 2020-06-30 2020-11-20 南京航空航天大学 一种基于无人机的多非圆信源高精度直接定位方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9797978B1 (en) * 2014-09-03 2017-10-24 Howard Melamed UAV, system, and method for radio frequency spectral analysis
WO2019200153A1 (en) * 2018-04-11 2019-10-17 The Regents Of The University Of California System and method of angle-of-arrival estimation, object localization, and target tracking, with received signal magnitude
CN110515038B (zh) * 2019-08-09 2023-03-28 达洛科技(广州)有限公司 一种基于无人机-阵列的自适应无源定位装置及实现方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104749554A (zh) * 2015-03-20 2015-07-01 江苏大学 一种基于递归秩损的幅相误差校准和波达方向估计方法
CN107064892A (zh) * 2016-11-11 2017-08-18 长江大学 基于张量子空间和旋转不变的mimo雷达角度估计算法
CN108375752A (zh) * 2018-02-05 2018-08-07 中国人民解放军战略支援部队信息工程大学 基于全角度搜索的幅相误差单辐射源测向方法
CN111965595A (zh) * 2020-06-30 2020-11-20 南京航空航天大学 一种基于无人机的多非圆信源高精度直接定位方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HOUHONG XIANG等: "A Novel Phase Enhancement Method for", 《 IEEE ACCESS ( VOLUME: 7)》 *
侯青松等: "共形阵列天线振动条件下稳健的DOA估计及位置误差校正", 《信号处理》 *
张淇婷等: "DOA Estimation Using Non-uniform Sparse Array with Unknown Mutual Coupling", 《2021 2ND INFORMATION COMMUNICATION TECHNOLOGIES CONFERENCE》 *
鲁祖坤等: "基于子空间的幅相误差自校正算法", 《现代导航》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115015832A (zh) * 2022-05-10 2022-09-06 哈尔滨工程大学 一种非均匀噪声下大规模阵列幅相误差及目标方位联合估计方法
CN115015832B (zh) * 2022-05-10 2024-10-01 哈尔滨工程大学 一种非均匀噪声下大规模阵列幅相误差及目标方位联合估计方法

Also Published As

Publication number Publication date
US11681006B2 (en) 2023-06-20
CN113835063B (zh) 2022-02-15
US20230160991A1 (en) 2023-05-25

Similar Documents

Publication Publication Date Title
CN113835063B (zh) 一种无人机阵列幅相误差与信号doa联合估计方法
CN111337893B (zh) 一种基于实值稀疏贝叶斯学习的离格doa估计方法
CN107561484B (zh) 基于内插互质阵列协方差矩阵重建的波达方向估计方法
CN110515038B (zh) 一种基于无人机-阵列的自适应无源定位装置及实现方法
CN105445709B (zh) 一种稀布阵列近场无源定位幅相误差校正方法
CN101149429A (zh) 适用于均匀圆阵的阵列互耦校正与信源测向方法
CN111337873B (zh) 一种基于稀疏阵的doa估计方法
CN112379327A (zh) 一种基于秩损估计的二维doa估计与互耦校正方法
CN112731278B (zh) 一种部分极化信号的角度与极化参数欠定联合估计方法
CN104020440B (zh) 基于l型干涉式线性阵列的二维波达角估计方法
CN107703478B (zh) 基于互相关矩阵的扩展孔径二维doa估计方法
CN110286350A (zh) 一种l型稀疏阵doa估计的精确配对方法及装置
CN111352063A (zh) 一种均匀面阵中基于多项式求根的二维测向估计方法
CN103901396A (zh) 相干信号源亚分辨率超分辨到达角估计方法
CN108872930B (zh) 扩展孔径二维联合对角化doa估计方法
CN113671439A (zh) 基于非均匀智能超表面阵列的无人机集群测向系统及方法
CN113189592A (zh) 考虑幅相互耦误差的车载毫米波mimo雷达测角方法
CN112255629A (zh) 基于联合uca阵列的序贯esprit二维不相干分布源参数估计方法
CN109696651B (zh) 一种基于m估计的低快拍数下波达方向估计方法
CN112763972B (zh) 基于稀疏表示的双平行线阵二维doa估计方法及计算设备
CN114460531A (zh) 一种均匀线阵music空间谱估计方法
CN109061564B (zh) 基于高阶累积量的简化近场定位方法
CN113093093A (zh) 基于线性阵列波达方向估计的车辆定位方法
Al Jabr et al. Modified UCA-ESPRIT for estimating DOA of coherent signals using one snapshot
CN116054909B (zh) 一种基于改进型传播算子的卫星通信抗干扰方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant